【正文】 8 . 4 48 . 4 81 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2L N C P A HL N C P A H ( B a s e l i n e ) 8 . 58 . 68 . 78 . 88 . 99 . 09 . 19 . 29 . 31 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2L N C P B JL N C P B J ( B a s e l i n e ) 帶 A R ( 1) 項(xiàng)的個(gè)體固定效應(yīng) 模型 樣本內(nèi)靜態(tài) 預(yù)測(cè)結(jié)果 案例 2 美國(guó)公路交通事故死亡人數(shù)與啤酒稅的關(guān)系研究 見 S t ock J H and M W W at son, I ntr oducti on to E co n om et ri cs , A dd i son W es l ey , 2022 第 8 章。飲酒司機(jī)出交通事故數(shù)是不飲酒司機(jī)的 13 倍。 從面板理論上說(shuō)，不知 混合回歸 模型 是不是最優(yōu)的模型形式。 案例 2 美國(guó)公路交通事故死亡人數(shù)與啤酒稅的關(guān)系研究 按個(gè)體時(shí)間雙固定效應(yīng)模型估計(jì) itb e rmnu ?= + … 0. 646 b eer t ax it ( ) ( 3. 25) SSE = 用 F 檢驗(yàn)判斷應(yīng)該建立混合模型還是個(gè)體時(shí)間雙固定效應(yīng)模型。 案例 2 美國(guó)公路交通事故死亡人數(shù)與啤酒稅的關(guān)系研究 按 個(gè)體固定效應(yīng) 回歸 模型估計(jì) （ f i l e: 5p anel 01 c h8 po ol 1 , pool 1 ） ?n u mb e r it = + … 0 .66 b eer t ax it ( ) ( 3 .5) R2 = 0 .91, SS E =10. 35 案例 3 ： 全國(guó)省 級(jí)地區(qū) 城鎮(zhèn)居民人均食品支出與收入的關(guān)系研究（ 1 985 ? 20 05 ） 。 10 0001 00 02 00 03 00 04 00 05 00 00 4 00 0 8 00 0 1 20 00 1 60 00 2 00 00I 1F1F 1 v s . L o g I1 20 00 10 0001 00 02 00 03 00 04 00 05 00 00 4 00 0 8 00 0 1 20 00 1 60 00 2 00 00I 1F1F 1 v s . In v e r s e o f I101 00 02 00 03 00 04 00 05 00 00 4 00 0 8 00 0 1 20 00 1 60 00 2 00 00I 1F1F 1 v s . P o ly n o m i a l ( d e g r e e = 2 ) o f I15 . 56 . 06 . 57 . 07 . 58 . 08 . 59 . 06 . 0 6 . 5 7 . 0 7 . 5 8 . 0 8 . 5 9 . 0 9 . 5 1 0 . 0L O G ( C I N C O M E )L O G ( C f o o d ) 案例 3 ： 全國(guó)省 級(jí)地區(qū) 城鎮(zhèn)居民人均食品支出與收入的關(guān)系研究（ 1 985 ? 20 05 ） 。 F 檢驗(yàn)結(jié)果顯示混合模型與個(gè)體固定效應(yīng)模型相比較，應(yīng)該建立個(gè)體固定效應(yīng)模型。當(dāng)城鎮(zhèn)人均收入增長(zhǎng)到 1 50 00 元時(shí)， 人均食品支出對(duì)人均收入 的 彈性 系數(shù)下降到 0. 6 0 。在 E V i e w s 個(gè)體固定效應(yīng)回歸結(jié)果窗口點(diǎn)擊Pr oc 鍵，選 m ak e m odel 功能，將打開一個(gè)對(duì)話窗。 05 0 01 , 0 0 01 , 5 0 02 , 0 0 02 , 5 0 03 , 0 0 086 88 90 92 94 96 98 00 02 04F 1 A N HF 1 A N H ( B a s e l i n e )01 , 0 0 02 , 0 0 03 , 0 0 04 , 0 0 05 , 0 0 086 88 90 92 94 96 98 00 02 04F 1 B E JF 1 B E J ( B a s e l i n e ) 安徽省城鎮(zhèn)人均食品支出的靜態(tài)預(yù)測(cè)結(jié)果 北京市人均食品支出的靜態(tài)預(yù)測(cè)結(jié)果 6 ． E V iw e s 應(yīng)用 以 案例 1 為例 ， 介紹面板數(shù)據(jù)模型估計(jì)步驟 。在 T ype o f O bje ct 選擇區(qū) 選擇 Po ol （合并數(shù)據(jù)庫(kù)） ，并在 N am e of O bje ct選擇區(qū) 為 混合數(shù)據(jù)庫(kù) 起名 P ool 01 （初始顯示為 U nti t l ed ）。在 窗口 中輸入 15 個(gè)地區(qū)的 標(biāo)識(shí) AH （安徽） 、 BJ（北京） 、 … 、 ZJ （浙江），如 圖 3 。 點(diǎn)擊 OK 鍵，從而打開 混合數(shù)據(jù)庫(kù)（ P ool ） 窗口 。 6 ． E V iw e s 應(yīng)用 點(diǎn)擊 Pan el G ener 或 Q ui ck / G enerat e S eri es b y E qu at i on 健，可以通過公式用已有的變量生成 新變量（注意：輸入變量時(shí)，不要忘記帶變量后綴“？”）。在 T yp e o f O bje ct選擇區(qū) 選擇 P ool （混合數(shù)據(jù)庫(kù)） ，點(diǎn)擊 OK 鍵，從而打開 Pool （混合數(shù)據(jù)）窗口 （ 圖 8 ）。 6 ． E V iw e s 應(yīng)用 2 ． 面板數(shù)據(jù) 模型 的 E V i w e s 5 .0 估計(jì)方法 ： E V i w es 面板數(shù)據(jù)模型估計(jì) 對(duì)話 窗口 如下， 6 ． E V iw e s 應(yīng)用 2 ． 面板數(shù)據(jù) 模型 的 E V i w e s 6 估計(jì)方法 ： EV iw e s 5 . 1 、 6 面板模型估計(jì)窗口 6 ． E V iw e s 應(yīng)用 2 ． 面板數(shù)據(jù) 模型 的 E V i w e s 5. 1 、 6 估計(jì)方法 ： 在 E st i m at i on Met hod （估計(jì)方法）選項(xiàng)區(qū)內(nèi)有三個(gè)選項(xiàng)框。 7 ．面板數(shù)據(jù)的單位根檢驗(yàn) 7 .1 L L C （ L evi n L i n C h u ）檢驗(yàn) L L C 檢驗(yàn) 于 200 2 年提出 。具體做法是（ 1 ）先從 ? yi t和 yi t中剔出自相關(guān)和確定項(xiàng)的影響，并使其標(biāo)準(zhǔn)化 成為代理變量。 L L C 檢驗(yàn)為左單端檢驗(yàn)。 7 ．面板數(shù)據(jù)的單位根檢驗(yàn) 7 .1 L L C （ L evi n L i n C h u ）檢驗(yàn) （ 1 ）估計(jì)代理變量。??， 1~?it?= yi t ??ikjji~1?? yi t j Zit39。 7 ．面板數(shù)據(jù)的單位根檢驗(yàn) 7 .1 L L C （ L evi n L i n C h u ）檢驗(yàn) E V i e w s 6 操作步驟：在 選定若干個(gè)體的 面板數(shù)據(jù)窗口點(diǎn)擊 V i e w 選 U ni t R oot T es t 功能。 7 ．面板數(shù)據(jù)的單位根檢驗(yàn) 7 . 2 崔仁檢驗(yàn)（ Fis he r ADF 檢驗(yàn)） 崔仁（ I n C hoi ）檢驗(yàn)又稱 Fis her A D F 檢驗(yàn)，適用于 面板數(shù)據(jù)個(gè)體具有 不同根情形。在原假設(shè)成立條件下， A D F Fis her ?2 = 2??Niip1)l og (? ?2(2 N ) 其中 pi是相應(yīng) A D F 統(tǒng)計(jì)量對(duì)應(yīng)的 p 值， N 表示個(gè)體個(gè)數(shù)。A D F C hoi Z 統(tǒng)計(jì)量是左單側(cè)檢驗(yàn)。 8 ．面板數(shù)據(jù)模型的 協(xié)整 檢驗(yàn) E V i w es 操作：在面板模型估計(jì) 窗口點(diǎn)擊 V i e w 鍵，選 c oi nte grat i on t es t 功能。包括 4 個(gè)統(tǒng)計(jì)量， 11 種檢驗(yàn)方法。 P edr o ni 檢驗(yàn)， K ao 檢驗(yàn)和 Fis he r （ c om bi ned J oha nson ）檢驗(yàn)。 PP Fis h er 統(tǒng)計(jì)量是右單側(cè)檢驗(yàn)。 A D F Ch oi Z = ???NiipN 11)(1?? N ( 0, 1) 其中 pi是相應(yīng) A D F 統(tǒng)計(jì)量對(duì)應(yīng)的 p 值， ? 1( 這兩個(gè)統(tǒng)計(jì)量都是從 Fis her 原理出發(fā)，首先對(duì)每個(gè)個(gè)體進(jìn)行 ADF 檢驗(yàn)，用 A D F 統(tǒng)計(jì)量所對(duì)應(yīng)的概率值 pi之和構(gòu)造 ADF Fis h er ?2和 A D F C h oi Z 統(tǒng)計(jì)量。 以 案例 1 中 15 個(gè) 人均消費(fèi) 個(gè)體 CPi t面板數(shù)據(jù)為例 ， L LC 檢驗(yàn) 的 輸出結(jié)果 見圖 。 7 ．面板數(shù)據(jù)的單位根檢驗(yàn) 7 .1 L L C （ L evi n L i n C h u ）檢驗(yàn) （ 2 ）用代理變量*?it?和*1~?it?作如下回歸， *?it?= ?*1~?it?+ vit L L C 證明 ，上式中估計(jì)量??的如下修正的??t~統(tǒng)計(jì)量漸近服從標(biāo)準(zhǔn)正態(tài)分布。??+ti??， yi t 1 = ??ikjji~1?? yi t j + Zit39。 ? + ?i t, i = 1, 2, … , N 。 L L C 修正的?()t ?漸近服從 N ( 0, 1) 分布。 L L C 檢驗(yàn)原理是仍采用 A D F 檢驗(yàn)式 。 （ 2 ） P eri od （時(shí)點(diǎn)）中也包括 N o ne （不選）， Fix e d （固定）， R and om （隨機(jī)）三項(xiàng)選擇分別用來(lái)進(jìn)行非時(shí)點(diǎn)效應(yīng)，時(shí)點(diǎn)固定效應(yīng)或時(shí)點(diǎn)隨機(jī)效應(yīng)設(shè)定（見圖 1 2 ）。 點(diǎn)擊 E st i m at i on 鍵，隨后彈出 Po ol ed E st i m at i on （混合估計(jì)）對(duì)話窗 。見 圖 7 。 點(diǎn)擊 O rde r+ 鍵 ，還可以變換為以截面為序的陣列式排列。 在新建的 混合數(shù)據(jù)庫(kù)（ Po o l ） 窗口的工具欄中點(diǎn)擊 S heet 鍵 （第 2 種路徑是， 點(diǎn)擊 V i e w 鍵 ，選 S pr ea dshe et ( st ac k ed data) 功能） ，從而打開 Seri es L i st （列寫序列名） 窗口，定義時(shí)間序列變量 C P? 和 IP ? （符號(hào)？表 示與 CP 和 IP 相連的 15個(gè)地區(qū)標(biāo)識(shí)名） 。 6 ． E V iw e s 應(yīng)用 （ 1 ）建立 混合數(shù)據(jù)庫(kù)（ P o ol ）對(duì)象。 首先建立 年度 工作文件 （ 1 996 ? 200 2 ） 。在打開的對(duì)話窗中可